Wenn Open-Source-Modelle sich Closed-Source-Modellen annähern, wer wird dann der Router der KI-Welt?
Am 18. Juli, nur zwei Tage nach der Veröffentlichung von Kimi K3, erreichte das Modell die Top 10 der täglichen Rangliste von OpenRouter mit einem täglichen Aufrufvolumen von etwa 142 Milliarden Token. Die Nutzung von GLM-5.2, Nemotron und DeepSeek übertraf ebenfalls die einiger Claude-Opus-Modelle. Modelle mit offenen Gewichten sind bereits in den Mainstream der API-Aufrufe eingetreten.
Der Aufstieg von K3 offenbarte jedoch ein weiteres Problem. Da zu Beginn der Einführung nur Moonshot als Anbieter fungierte, warnte OpenRouter schnell vor unzureichender Kapazität auf der vorgelagerten Seite – Anfragen stießen häufig auf den Fehler 429. Dass ein Modell offene Gewichte hat, bedeutet nicht automatisch, dass der Markt sofort über genügend GPU-Ressourcen verfügt, um es stabil auszuführen.
In den letzten zwei Jahren konzentrierte sich der Markt hauptsächlich darauf, ob neue Modelle OpenAI und Anthropic übertreffen. In der Phase der praktischen Anwendung stehen Entwickler vor weiteren Fragen: Informationenextraktion kann kostengünstigen Modellen überlassen werden, komplexe Bewertungen erfordern den Einsatz von Frontier-Modellen, und chinesische Inhalte eignen sich oft besser für GLM, Kimi oder Qwen. Nach der Auswahl eines Modells müssen zudem Preis, Geschwindigkeit, Caching und Stabilität verschiedener Anbieter verglichen werden. Die Modellauswahl hat sich von einer quartalsweisen Beschaffungsentscheidung zu einer aufgabenspezifischen Variablen entwickelt.
OpenRouter hat zunächst die unmittelbarste Ebene gelöst: Es ermöglicht Entwicklern, mit nur einem einzigen Schlüssel auf mehr als 400 Modelle und über 70 Anbieter zuzugreifen. Nach der Veröffentlichung neuer Modelle können diese schnell getestet werden; wenn ein Modell von mehreren Anbietern bereitgestellt wird, lassen sich Preis und Geschwindigkeit vergleichen, und bei Ausfällen eines Anbieters kann nahtlos umgeschaltet werden. OpenRouter kann keine zusätzlichen GPU-Ressourcen aus dem Nichts erzeugen, aber es hilft, den Datenverkehr zu Anbietern mit noch verfügbarer Kapazität zu lenken.
Solche Zugangspunkte haben bereits das Interesse strategischer Käufer geweckt. The Information berichtete kürzlich, dass OpenRouter über einen Verkauf an große Technologieunternehmen verhandelt, wobei die potenzielle Transaktion einen Wert von mehreren Milliarden Dollar erreichen könnte. Das Unternehmen hat gerade eine Serie-B-Finanzierung in Höhe von 113 Millionen Dollar zu einer Bewertung von etwa 1,3 Milliarden Dollar abgeschlossen.
Die Nachfrage ist bereits nachgewiesen. Dennoch bleibt eine tiefere Frage zu überdenken: Da Vercel, Cloudflare, Cloud-Anbieter und Open-Source-Gateways alle Modell-APIs vereinheitlichen können, welche Wertschicht kann OpenRouter langfristig behaupten?
• Wer wird künftig die Verteilungsrechte für jeden einzelnen Modellaufruf innehaben?
• Auf welcher Ebene wird sich der Wert von Model Routing letztendlich verankern?
• Kann OpenRouter von einem Standardzugangspunkt zu einer höherwertigen Orchestrierung aufsteigen und gleichzeitig seine Neutralität wahren?
01.
Der Ausgangspunkt: 600 US-Dollar
Im März 2023 führte Alex Atallah, der gerade aus dem täglichen Management von OpenSea ausgeschieden war, Stanford Alpaca auf seinem Computer aus. Es war nicht das leistungsstärkste Modell seiner Zeit, aber die Kostenrechnung überraschte ihn: Das Stanford-Team erzeugte synthetische Daten mit GPT-3 und feinabstimmte dann Metas Llama – der gesamte Prozess kostete nur etwa 600 US-Dollar.
Diese Rechnung änderte seine Annahme über das "Winner-takes-all"-Prinzip. Die Hürden für die Modellentwicklung sinken weiter, sodass die Zukunft nicht von nur drei bis fünf Modellen, sondern von Tausenden geprägt sein wird. Entwickler müssen dann Modelle entdecken, ihre Fähigkeiten vergleichen und für dieselben Gewichte unterschiedliche Inferenzanbieter auswählen.
Zuerst erstellte er eine Open-Source-Chrome-Erweiterung namens Window AI, die es Benutzern ermöglicht, ihre bevorzugten Modelle in Webanwendungen zu integrieren. Einige Monate später ging OpenRouter online. Es bündelte Modelle aus verschiedenen Labors und Cloud-Anbietern in einer mit OpenAI kompatiblen API: Entwickler müssen nur die Adresse ändern und eine Zeile des Modellnamens anpassen, um verschiedene Modelle aufzurufen.
Drei Jahre später ist dieses Produkt, das wie ein "Modellaggregator" klingt, zu einem Einhorn-Unternehmen geworden. Im Mai 2026 gab OpenRouter den Abschluss der 113-Millionen-Dollar-Serie-B-Finanzierung bekannt, angeführt von CapitalG, dem Wachstumsfonds von Alphabet, unter Beteiligung von NVentures, ServiceNow Ventures, Snowflake Ventures, Databricks Ventures und anderen. Medien berufen sich auf informierte Quellen, die die Post-Geld-Bewertung auf etwa 1,3 Milliarden Dollar beziffern.
Das Wachstum ist nachgewiesen. Die schwierigeren Fragen stehen jedoch erst am Anfang: Wenn alle Cloud-Anbieter, Entwicklungsframeworks und Open-Source-Projekte als Gateway fungieren können, welche Wertschicht kann OpenRouter behaupten?
02.
Was ein Router ist: Er trifft täglich nur zwei Entscheidungen
Stellen Sie sich einen AI-Agent vor, der Unternehmen bei der Due-Diligence-Prüfung von Kunden unterstützt. Zuerst muss er Dutzende Seiten von Materialien lesen und Informationen über Unternehmen und Personen extrahieren. Dieser Schritt hat eine klare Struktur und hohe Fehlertoleranz, sodass er an kostengünstige und schnelle Modelle übergeben werden kann. Anschließend muss er Transaktionsrisiken bewerten, widersprüchliche Beweise finden und Schlussfolgerungen formulieren – hier sind die Kosten für Fehler hoch, sodass der Einsatz leistungsstärkerer Frontier-Modelle sinnvoll ist.
Das ist die erste Entscheidung: Welches Modell soll für diese Aufgabe verwendet werden?
Angenommen, der Agent hat sich für DeepSeek entschieden. Nun stellt sich eine neue Frage: Wer soll diese Modellgewichte ausführen? Der ursprüngliche Modellanbieter, Baseten, Together, DigitalOcean oder andere Inferenzdienste können dasselbe Modell bereitstellen – aber Preis, Geschwindigkeit, Verfügbarkeit, Kontextlänge und Quantisierungsverfahren unterscheiden sich teilweise erheblich.
Das ist die zweite Entscheidung: Welcher Anbieter soll für dasselbe Modell ausgewählt werden?
In alltäglichen Diskussionen werden beide Entscheidungen oft als "Model Routing" bezeichnet. Die verwendeten Signale, Wettbewerber und wirtschaftlichen Werte unterscheiden sich jedoch grundlegend. Bei der Integration in Produktionsumgebungen kommen zwei weitere Ebenen hinzu: Wie nach einem fehlgeschlagenen Aufruf neu versucht wird, wie der Prompt-Cache verwaltet wird, wie Tool-Aufrufe und Budgets gesteuert werden; sowie wer welche Modelle aufrufen darf, ob Daten aufgezeichnet werden können und wie Audit- und regionale Compliance-Anforderungen erfüllt werden.
Daher umfasst Model Routing vier Märkte, die sich eine gemeinsame API teilen:
•Model Selection: Auswahl des Modells basierend auf der Aufgabe, mit dem Ziel einer optimalen Kombination aus Qualität und Kosten.
•Provider Routing: Auswahl zwischen verschiedenen Anbietern desselben Modells, mit dem Fokus auf Preis, Geschwindigkeit und Verfügbarkeit (Uptime).
•Execution Control: Verwaltung von Wiederholungsversuchen, Fallback-Mechanismen, Caching, Tool-Aufrufen, Budgets und dem Status lang andauernder Aufgaben, um sicherzustellen, dass der Agent seine Arbeit abschließt.
•Enterprise Governance: Verwaltung von Identitäten, Berechtigungen, Datenrichtlinien, Audits und Beschaffung, damit Modelle in den Kern von Produktionsabläufen integriert werden können.
Die aktuellen Stärken von OpenRouter liegen im Zugangspunkt für Modellbeschaffung und im Provider Routing: Es bündelt fragmentierte Angebote und bietet Echtzeitinformationen zu Preisen, Leistungen, Datenrichtlinien sowie eine einheitliche Abrechnung. Das Unternehmen erweitert seine Fähigkeiten in Richtung automatischer Model Selection und Orchestrierung, während Execution Control und Enterprise Governance weiterhin Wettbewerber haben, die näher an Anwendungen, Clouds und Datenplattformen angesiedelt sind.
03.
Das zweischneidige Schwert der Open-Source-Modelle: Die Nachfrage wächst, aber die Einnahmen steigen nicht unbedingt gleichermaßen
OpenRouter und a16z analysierten den Plattformverkehr von etwa 100 Billionen Token in den 13 Monaten bis November 2025. Am Ende des Beobachtungszeitraums machten Open-Weight-Modelle etwa ein Drittel des gesamten Verkehrs aus; der wöchentliche Anteil chinesischer Open-Source-Modelle stieg von 1,2 % auf fast 30 %, während kein einzelnes Open-Source-Modell langfristig mehr als 20–25 % des Open-Weight-Token-Volumens für sich beanspruchen konnte.
Im Jahr 2026 beschleunigten sich die Veränderungen. Eine Analyse von OpenRouter mit etwa 450 Billionen Token zwischen Januar und Juni zeigte, dass der Anteil von DeepSeek von etwa 9 % auf 18 % stieg – und der Token-Anteil chinesischer Modelle überstieg Anfang Juni den US-amerikanischer Modelle. Darüber hinaus stammte der neue Datenverkehr von DeepSeek V4 hauptsächlich aus Agent-Arbeitslasten und nicht mehr aus den anfänglichen Rollenspiel-Anwendungen. Open-Source-Modelle haben den Schritt von der "kostengünstigen Alternative" zu Produktionsumgebungen für Codierung und Agenten geschafft.
Es handelt sich um einen sich ständig erneuernden Kandidatenpool und nicht um einen neuen einzelnen Gewinner. GLM, Kimi, DeepSeek, Qwen, MiniMax und spezialisierte Modelle wechseln sich in der Führung ab – die Nachfrage nach Entdeckung, Bewertung, Integration und Provider Routing wächst mit der Fragmentierung des Angebots.
Das Token-Volumen bedeutet jedoch nicht gleichwertige Einnahmen: Etwa 52 % der Open-Source-Token stammen aus Rollenspielanwendungen, 15–20 % aus Codierungsaufgaben; bei chinesischen Open-Source-Modellen machen Codierung und technische Anwendungen zusammen etwa 39 % aus. Diese Arbeitslasten zeichnen sich durch hohe Aufruffrequenzen, viele Alternativen und starken Fokus auf Stückkosten aus. Je kostengünstiger Open-Source-Modelle werden, desto größer kann das Token-Volumen werden – aber GMV und Plattformgebühren steigen nicht unbedingt im gleichen Tempo.
Dieselben Open-Source-Gewichte können von mehr als einem Dutzend Inferenzanbietern bereitgestellt werden. Dadurch werden Unterschiede in Geschwindigkeit, Caching, Quantisierung und Datenrichtlinien wichtiger – und nähern sich dem Kern von OpenRouters Stärke im Provider Routing. Das Ergebnis ist ein zweischneidiges Schwert: Je erfolgreicher Open-Source-Modelle sind, desto notwendiger wird Routing; je kostengünstiger sie werden, desto weniger Einnahmen kann der Router pro Token erzielen.
04.
Beschaffungsnetzwerk: Was OpenRouter zuerst verkauft, ist Zugang und Auswahlfreiheit
In einer Anwendung mit nur einem einzigen Modell ist es für Entwickler nicht schwierig, sich bei OpenAI oder Anthropic zu integrieren. Probleme entstehen, wenn die Anzahl der Modelle von eins auf zehn und die Anzahl der Anbieter von einem auf Dutzende anwächst: Teams müssen separate Konten eröffnen und Guthaben aufladen, unterschiedliche API-Formate, Limits und Datenrichtlinien verwalten; bei Modellaktualisierungen sind neue Bewertungen erforderlich; bei Ausfällen von Anbietern müssen Wiederholungs- und Fallback-Mechanismen implementiert werden; und die Finanzabteilung steht vor einem Stapel unterschiedlicher Rechnungen.
OpenRouter fasst all diese Aufgaben in einem einzigen Schlüssel, einer einzigen Rechnung und einem einzigen Modell-String zusammen. Alex Atallah beschrieb seine langfristige Vision so: S3 ermöglicht es Unternehmen, Speicher zu beschaffen – OpenRouter soll der Ort werden, an dem sie Intelligenz beschaffen.
Das ist auch der Grund, warum das Unternehmen zunächst bei AI-nativen Kunden wachsen konnte. Diese Teams stießen früher als traditionelle Unternehmen auf Multimodel-Probleme: Rollenspielprodukte müssen zwischen unterschiedlichen Prüfrichtlinien wechseln; Codierungsagenten benötigen sowohl teure Modelle für Architekturbewertungen als auch kostengünstige Modelle für mechanische Aufgaben; nach der Veröffentlichung neuer Modelle möchten Produktteams diese noch am selben Tag testen, statt auf einen neuen Beschaffungs- und Integrationszyklus zu warten.
Unsere Auswertung von Kunden- und Brancheninterviews aus den Jahren 2025 und 2026 zeigt, dass die typischen jährlichen Ausgaben von OpenRouter in AI-nativen Teams zwischen 100.000 US-Dollar und einem niedrigen siebenstelligen Bereich liegen. Für solche Kunden ist eine Plattformgebühr von etwa 5 % in der Regel akzeptabel – da die Einsparung bei einem Infrastruktur-Ingenieur die Kosten bereits deckt. Im Vergleich dazu geben regulierte Großunternehmen oft nur zwischen zehntausend und 500.000 US-Dollar pro Jahr für die direkte Nutzung von OpenRouter aus, und dies dient hauptsächlich der Verarbeitung nicht-kritischer Daten. Kern-Produktionslasten verbleiben bevorzugt in bestehenden Cloud-, Identitäts- und Compliance-Systemen. Daraus ergibt sich die Einstiegsstrategie von OpenRouter: Zuerst Entwickler zu gewinnen, die Geschwindigkeit und eine breite Modellpalette benötigen, und dann die Unternehmenssteuerungsfunktionen nachzurüsten.
Ein oft übersehener wertvoller Aspekt auf der Angebotsseite der "Intelligenzbeschaffung": OpenRouter hilft nicht nur Anwendern, Modelle zu finden, sondern auch Modellentwicklern, echte Nutzer zu erreichen. Vor der Veröffentlichung von GPT-4.1 führte OpenAI über OpenRouter einen Stealth-Test mit zwei anonymen Modellen namens Quasar Alpha und Optimus Alpha durch. Später bestätigte OpenRouter öffentlich, dass es sich bei diesen Modellen um frühe Versionen von GPT-4.1 handelte. Für Modellanbieter bedeutet dies den Zugang zu echten Arbeitslasten, Präferenzen und Bindungssignalen ohne Markenverzerrungen; für OpenRouter stärkt die Erstveröffentlichung und anonyme Tests neuer Modelle die Gewohnheit von Entwicklern, "zuerst hier nachzusehen".
Solche nachfrageseitigen Daten können von keinem einzelnen Cloud-Anbieter oder Inferenzdienst vollständig repliziert werden. Sie bilden ein tieferliegendes Vermögen von OpenRouter als nur eine einheitliche Schnittstelle: neutrale Verteilung + echte Nutzungsdaten über verschiedene Modelle hinweg + Abrechnung bei mehreren Anbietern.
Bis 2026 hat OpenRouter Funktionen wie Workspaces, Ausgabenverwaltung, Guardrails, SSO, Zero Data Retention, EU-Region-Routing und SOC 2 Type 2-Compliance eingeführt. Diese Updates beheben den offensichtlichen Mangel früherer Versionen, der "für Experimente geeignet, aber nicht für Unternehmen" war. Es bietet jedoch weiterhin keine On-Premise-Bereitstellung und keine öffentlichen Informationen zu HIPAA-BAA – für Kernlasten im Gesundheitswesen, Finanzsektor und Systeme, die in der eigenen VPC des Kunden ausgeführt werden müssen, bleibt dies ein zu lösendes Problem.
